Como realizar um teste de classificação assinado por Wilcoxon para dados de sobrevivência em R?

Digamos que você tenha dados de sobrevivência como este:

obs <- data.frame(
  time = c(floor(runif(100) * 30), floor((runif(100)^2) * 30)),
  status = c(rbinom(100, 1, 0.2), rbinom(100, 1, 0.7)),
  group = gl(2,100)
  )

Para executar um teste padrão de classificação de log, pode-se usar

survdiff(Surv(time, status) ~ group, data = obs, rho = 0)

direita?

Mas e quanto a outro teste? Como você pode realizar um teste de classificação assinado por Wilcoxon, um teste de Peto ou um teste de Fleming-Harrington?

R oferece a possibilidade de realizar um teste de Wilcoxon , no entanto, não achei como deixar isso levar em consideração a censura.

Além disso, o documento afirma que essa configuração rho = 1tornaria o teste uma "modificação de Peto e Peto do teste de Gehan-Wilcoxon". Mas isso é o mesmo que o teste de Peto?

(Você provavelmente deve citar a fonte de suas convenções de nomenclatura e explicar mais detalhadamente por que essa pergunta está sendo feita. Se esse for o caso de tentar corresponder à documentação do SAS ou SPSS, podemos ter dificuldades interculturais.)

A resposta rápida para sua pergunta específica sobre como obter um "teste de Peto" é usar rho = 1, mas será uma aproximação. Referindo-se às seções de uma amostra e duas amostras do capítulo 7 na "Análise da sobrevivência" de Klein e Moeschberger, lemos que a versão de Peto-Peto e a versão de Gehan eram ambas as versões de duas amostras (censuradas) do Mann-Whitney Wilcoxon teste de duas amostras, mas utilizou versões diferentes do estimador da função de sobrevivência. Não existe um único "teste de Fleming-Harrington", pois esse termo se refere a uma família de testes que se reduzem ao log-rank e aos testes do tipo Wilcoxon com valores especificados de rho. (A surv.difffunção R / S tem o parâmetro q da família Fleming-Harrington fixo em 0 e varia apenas o parâmetro p que ele chama rho.)

Uma meta-pergunta é se você deveria se concentrar nos nomes e não na substância matemática. A escolha de p = rho = 0 (com q fixo em 0) na família Fleming-Harrington pesa as diferenças (OE) ou de grupo cruzado igualmente no intervalo de tempos, enquanto que os testes de Gehan-Wilcoxon e Peto-Peto pesam no início mortes mais fortemente. Minha opinião (como médico) é que é sensato ter uma ponderação que considera as diferenças precoces mais probatórias para o caso típico, mas pode imaginar casos específicos em que a outra opção poderia ser defendida.

Para responder sua pergunta sobre como calcular isso em R, você pode usar a comp()função do survMiscpacote. Exemplo:

> library(survMisc)
> fit = survfit(Surv(time, status) ~ x, data = aml)
> comp(fit)$tests$lrTests
                              ChiSq df      p
Log-rank                       3.40  1 0.0653
Gehan-Breslow (mod~ Wilcoxon)  2.72  1 0.0989
Tarone-Ware                    2.98  1 0.0842
Peto-Peto                      2.71  1 0.0998
Mod~ Peto-Peto (Andersen)      2.64  1 0.1042
Flem~-Harr~ with p=1, q=1      1.45  1 0.2281

Para escolher os parâmetros para o teste de Fleming-Harrington (mostrado na última linha), use os argumentos FHpe FHq. Por exemplo,

> comp(fit, FHp=0, FHq=0)$tests$lrTests
[…]
Flem~-Harr~ with p=0, q=0      3.40  1 0.0653

fornece o teste normal de log-rank (também mostrado na primeira linha do primeiro exemplo).